Skip to content

定理Theorem

下一位不可预测性与伪随机性

Next-bit unpredictability · Yao next-bit theorem

用前缀混合把整串区分器变成下一位预测器,明确随机位置的均匀算法版本及输出长度造成的优势损失。

形式陈述 ​

设分布族 Zn 取值于 {0,1}m(n),其中 m(n) 是可在多项式时间内计算的正整数,并满足 1≤m(n)≤poly(n)。这里的伪随机性要求 Zn 与等长均匀串具有计算不可区分性,不预设 Zn 由某个高效生成器产生。另一种描述只看下一位:给出一个真实前缀,预测紧接其后的比特,成功率能否显著超过 1/2?

先用最坏运行时间有界的均匀概率算法明确位置量词。令 K=2⌈log2⁡m⌉,所以 m≤K<2m;用恰好 log2⁡K 个公平随机位均匀抽取 I∈{1,…,K}。若 I≤m,把 (1n,I,Z1⋯ZI−1) 交给预测器 P,其目标是输出 ZI。若 I>m,则只给位置和空前缀,目标改为一枚与预测器视图、随机币均独立的新鲜公平比特;这些补位的成功率恒为 1/2,不贡献优势。若每个概率多项式时间预测器的成功率至多

12+negl(n),

则称该分布族在这个随机位置下一位实验中不可预测。

这个条件等价于 Zn 与 Um 对均匀概率多项式时间算法计算不可区分。若一个整串区分器在所考察长度上的带符号接受概率差为 δ>0,下面的预测器具有下一位优势 δ/K>δ/(2m)。除计算 m(n) 和调用原区分器外,只需生成、处理 O(m) 个比特。一般的绝对优势用两个固定方向的预测器处理,不能假定能逐个长度高效判断差值符号。反向把预测器变成区分器不损失这个补位实验中的优势。[1, Proposition 7.16 后的均匀版本]

常见的非一致版本则要求每个固定位置 i、每个给定规模的预测电路都不能有效预测。此时可把好的位置和适当随机币作为非一致建议硬连入电路。它与下面的随机位置实验相关,但不可一边要求算法均匀,一边免费硬连一个尚未有效找到的位置。对单个长度的非一致电路,可选择区分方向并固定一个好位置,仍得到精确的 ε/m 损失;NW 重建使用的是这一版本。

直觉

若一整串有可识别的结构,总要有某一步开始让“真实位”和“新抛的公平硬币”产生差别。把真实串一位一位替成均匀位,区分优势的总变化会分摊到这些交界处。

单个断点的差别可能很小,均匀位置版本至多为 K<2m 个位置支付线性因子。但只要 m 是多项式,这不会把可见的逆多项式优势变成可忽略量。

例子与边界

预测器直接给出一个检验 ​

给定 (1n,z),区分器按同一个二的幂规则抽取 i∈[K]。当 i≤m 时,让 P 看见 (1n,i,z<i),检查它是否猜中 zi;当 i>m 时,给 P 空前缀,并检查其输出是否等于另抽的一枚独立公平比特。

若 z∼Um,真实位置的下一位独立于整个前缀和预测器随机币,补位的目标也独立公平,所以检验通过概率恰为 1/2。若 z∼Zn,通过概率就是 P 的实际预测成功率。因此预测优势直接成为区分优势。这一步不需要观察者知道生成种子。

从区分器构造预测器 ​

设统一算法 D 在带安全参数的输入上满足

Pr[D(1n,Zn)=1]−Pr[D(1n,Um)=1]=ε>0.

这里先对显示的正差值计算。用混合论证定义

Hi=(Z1,…,Zi,Ui+1,…,Um),0≤i≤m,

其中后缀是独立均匀位。记

Δi=Pr[D(Hi)=1]−Pr[D(Hi−1)=1].

望远镜求和给出 ∑iΔi=ε。接到真实前缀 z<i 后,预测器独立抽一个候选位 b 和均匀后缀 r,运行 D(1n,z<i,b,r):若输出一,就猜 b;否则猜 1−b。

固定前缀与真实下一位 zi,记 d0,d1 为补位分别为零和一时,D 对后缀及内部随机币平均后的接受概率。预测成功率为

12dzi+12(1−d1−zi)=12+12(dzi−d1−zi).

而把真实位替换成公平位造成的接受概率差恰好是

dzi−12(d0+d1)=12(dzi−d1−zi).

再对真实前缀和下一位平均,成功率就是 1/2+Δi。对补位 i>m,记 Δi=0。位置 I 在 [K] 上均匀时,最终优势为

1K∑i=1KΔi=εK.

对于一个固定的统一区分器,设其差值为 δ(n),符号可以随 n 改变。固定构造两台预测器 PD,P1−D,它们的带符号预测优势分别为 δ(n)/K(n) 与 −δ(n)/K(n)。若 |δ(n)| 不可忽略,在满足某个逆多项式下界的无穷多个长度中,总有一种符号出现无穷多次;对应的那一台固定预测器便有不可忽略的正优势。因此至少一台违反下一位安全性,无须任何逐长度求符号的算法。

预测器只需自己产生补位和后缀,并运行一次 D;它没有请求隐藏分布的条件采样 oracle。这也是均匀版本不必假设 Zn 可高效采样的原因。

单个容易预测的末位也会暴露 ​

取 m≥2,令 Z=(U1,…,Um−1,U1),前 m−1 位完全独立,末位重复首位。最后一位可被完美预测;在本页的补位实验中,仅利用这一位置、其余位置随机猜,优势为 1/(2K);若数学上直接均匀选取 [m] 中的位置,则对应值为 1/(2m)。

这个优势会随串长变小,却在 m 多项式时仍不可忽略。整串检验只需比较首末两位,真实串通过概率一,均匀串通过概率 1/2。所有单个位的边缘分布都均匀,仍不足以保证伪随机。

推论与应用

硬核位构造常先证明“给出公开函数像,仍不能预测一个比特”,再把该比特作为生成器的新输出。硬核谓词讨论这种预测问题;这里只在一个已经给定的串分布上比较两种安全标准。

本定理依赖可见优势与输出长度的预算。若允许指数长输出,却只给一个位置的逆指数级预测优势,前面的归约未必导出多项式安全意义下的攻击。预测器也必须只看前缀;允许它看目标位本身,或者额外得到生成种子,就改变了实验。

参考资料
  • [1] Salil P. Vadhan, Pseudorandomness, Chapter 7, 2012,§7.3.2,Definition 7.15、Proposition 7.16 及其后的均匀算法说明,印刷页 227–230。
关系图谱11 个相邻概念 · 2 类关系

拖动节点调整位置。

显示关系

显示:依赖

  1. 前置三跳
  2. 前置二跳
  3. 前置一跳
  4. 当前条目
  5. 后续一跳
  6. 后续二跳
  7. 后续三跳
文字版关系按与当前条目的最短距离分组
类型化关系

使用的工具

被这些条目使用